DE102019111567A1

DE102019111567A1 - Verfahren und Vorrichtung zur Röntgeninspektion von Produkten, insbesondere von Lebensmitteln

Info

Publication number: DE102019111567A1
Application number: DE102019111567.1A
Authority: DE
Inventors: Christian Bur; Marco Wickert
Original assignee: Wipotec GmbH
Current assignee: Wipotec GmbH
Priority date: 2019-05-03
Filing date: 2019-05-03
Publication date: 2020-11-05
Also published as: EP3734260A2; EP3734260A3; JP2020183954A; US20200348247A1; CN111521624A

Abstract

Die Erfindung betrifft ein Verfahren zur Röntgeninspektion von Produkten eines vorgegebenen Produkttyps, der Produkte umfasst, die aus wenigstens einer ersten und einer zweiten Komponente bestehen, die unterschiedliche Absorptionskoeffizienten für die Röntgenstrahlung aufweisen. Das zu untersuchendes Produkt wird mit einer Röntgenstrahlung mit einer vorgegebenen spektralen Breite durchstrahlt. Die durch das Produkt hindurchgetretene Röntgenstrahlung wird mittels eines spektral auflösenden Röntgenstrahlungsdetektors detektiert. Der Röntgenstrahlungsdetektor ordnet die Röntgenstrahlungsquanten zur spektralen Auflösung einer vorgegebenen Anzahl von Energiekanälen zu und erzeugt Bilddaten, die für jedes Pixel Spektralwerte für ausgewählte oder alle Energiekanäle und/oder Summen-Spektralwerte für eine oder mehrere Gruppen von benachbarten Energiekanälen beinhalten. Zur Verarbeitung der Bilddaten zu einem Gesamtbild wird für den jeweiligen Produkttyp wenigstens eine Abbildungsvorschrift bestimmt. Jede Abbildungsvorschrift ist so ausgebildet, dass Spektralwerte oder Summen-Spektralwerte auf einen Gesamtbildwert eines Bildpunktes abgebildet werden. Jede Abbildungsvorschrift wird so bestimmt, dass in dem Gesamtbild der mittlere Abstand der Gesamtbildwerte zwischen Bereichen, in denen unterschiedliche Gesamtdicken der ersten und zweiten Komponente vorliegen, höher ist als bei einem Gesamtbild, das durch einfache Addition der Spektralwerte zu Gesamtbildpunkten erzeugt würde. Alternativ wird eine Abbildungsvorschrift so gewählt, dass der Gesamtbildwert eines Bildpunktes einen Wert für die Gesamtdicke der wenigstens einen ersten oder zweiten Komponente darstellt.

Description

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Röntgeninspektion von Produkten, insbesondere von Lebensmitteln.
Zur Röntgeninspektion von bewegten Produkten finden üblicherweise Zeilendetektoren Verwendung, die quer zur Bewegungsrichtung der zu untersuchenden Produkte vorgesehen sind. Anstelle einer Bewegung des Produkts kann auch die gesamte Vorrichtung zur Röntgeninspektion oder zumindest die betreffende Röntgenstrahlungsdetektorvorrichtung relativ zu dem zu untersuchenden Produkt bewegt werden. Das zu untersuchende Produkt wird mittels des Zeilendetektors, welcher die von einer oder mehreren Röntgenstrahlungsquellen erzeugte Röntgenstrahlung detektiert, gescannt, und die zeilenweise erzeugten Bilddaten werden in ein Bild des zu untersuchenden Produkts umgesetzt. Zur Erzeugung des Bildes können die Bilddaten in geeigneter Weise verarbeitet werden. Das so erzeugte Bild kann durch Bildverarbeitung inspiziert werden. Insbesondere kann das Bild des zu untersuchenden Produkts daraufhin inspiziert werden, ob ein oder mehrere vorgegebene Produktmerkmale vorliegen bzw. erfüllt sind. Beispielsweise kann ein Lebensmittel, beispielsweise ein Fleischstück, daraufhin untersucht werden, ob sich darin unerwünschte Fremdkörper befinden, wie Knochensplitter, Metallspäne von Verarbeitungsmaschinen, Glassplitter, Kunststoffe, Steine oder dergleichen.
Hierzu ist es bekannt, spektral integrierende Zeilendetektoren (Nicht-Spektraldetektoren) zu verwenden, die praktisch die gesamte Breite des Röntgenstrahlenspektrums der Röntgenstrahlung detektieren, die von der betreffenden Röntgenstrahlungsquelle erzeugt wird. Derartige Zeilendetektoren besitzen eine vergleichsweise hohe Ortsauflösung im Bereich von beispielsweise 0,2 mm über eine Gesamt-Detektorbreite von beispielsweise 200 bis 800 mm oder mehr. Die Zeilendetektoren können dabei in Form von Modulen aufgebaut sein, die sich mit jeweils nur sehr geringen Lücken von nur wenigen Pixeln (beispielsweise ein bis zwei Pixel pro Modulrand) bis zum Erreichen einer gewünschten Scan-Breite koppeln lassen. Mit derartigen Nicht-Spektraldetektoren sind somit auch sehr kleine Fremdkörper bzw. Kontaminationen detektierbar. Dieser Detektortyp benötigt zudem keine Kühlung und ist kostengünstig herstellbar.
Allerdings erzeugen derartige Nicht-Spektraldetektoren infolge der spektralen Integration lediglich Grauwerte. Ein Grauwert ist dabei abhängig von der Dämpfung der Röntgenstrahlung beim Hindurchtreten durch das zu untersuchende Produkt. Die Dämpfung ist dabei wiederum abhängig von der Dicke des Produkts und den M ateri aleigenschaften.
Dieser Sensortyp eignet sich insbesondere für das Detektieren von kleinsten, stark absorbierenden Fremdkörpern, beispielsweise von Metallsplittern.
Eine Verbesserung des Kontrastes des durch Zeilendetektoren erzeugten Bildes kann durch das Dual-Energy-Verfahren erreicht werden. Dabei werden zwei Zeilendetektoren verwendet, deren Scan-Bilder überlagert werden. Die Zeilendetektoren erfassen dabei unterschiedliche spektrale Bereiche der durch das Produkt hindurchgetretenen Röntgenstrahlung. Dies wird durch das Verwenden wenigstens eines Röntgenstrahlungsfilters erreicht, der im Strahlengang vor einem der Nicht-Spektraldetektoren angeordnet ist. Solche Filter arbeiten jedoch nur als Hochpassfilter und können zudem nicht ausreichend flexibel hinsichtlich der gewünschten Filterkante hergestellt werden. Zusätzlich dämpfen sie auch die zu detektierende Röntgenstrahlung im gewünschten Spektralbereich. Durch das getrennte Erfassen unterschiedlicher Spektralbereiche ist in den Bildsignalen der jeweiligen Zeilendetektoren eine unterschiedliche Information enthalten. Durch eine gewichtete Überlagerung (beispielsweise vorzeichenrichtige Addition der gewichteten Bilddaten) lässt sich ein Gesamtbild erzeugen, welches hinsichtlich der Erkennbarkeit bestimmter Fremdkörpermaterialien einen besseren Kontrast aufweist als ein Single-Energy-Bild. Mit einem festen Röntgenstrahlungsfilter lässt sich der Kontrast jedoch nur für ein oder mehrere bestimmte Materialien verbessern. Daher sind Dual-Energy-Verfahren hinsichtlich ihres Einsatzes wenig flexibel, da das Röntgenstrahlungsfilter, abhängig vom Anwendungsfall, in geeigneter Weise gewählt werden muss.
Zudem überlappen sich meist die Spektralbereiche der Röntgenstrahlung, die von den beiden Zeilendetektoren erfasst werden, so dass in jedem der beiden Bildsignale ein Teil derselben Information enthalten ist. Damit ist keine optimale Kontrastverbesserung erreichbar.
Das Dual-Energy-Verfahren ermöglicht jedoch das Ausblenden von Produktbereichen eines aus lediglich zwei Materialien bestehenden Produkts bei einer geeigneten Kombination der beiden Bildsignale. So kann beispielsweise der Kontrast im Bereich eines Fremdkörpers, d. h. eines ersten Materials, innerhalb des Produkts, d. h. eines zweiten Materials, optimiert werden. Dies gilt jedoch nur für ein im Wesentlichen homogenes Produkt aus einem einzigen Material (oder einer Kombination von Materialien mit sehr ähnlichen Dämpfungseigenschaften für die Röntgenstrahlung), in welchem Fremdkörper aus einem weiteren Material (mit unterschiedlichen Dämpfungseigenschaften für die Röntgenstrahlung) enthalten sind.
Weiterhin wurden in den letzten Jahren spektral auflösende Zeilendetektoren entwickelt, die ebenfalls modulartig gekoppelt werden können. Derartige Spektral-Zeilendetektoren, die ausreichend große Scan-Breiten von 200 bis 800 mm oder mehr ermöglichen, sind derzeit jedoch nur mit einer relativ groben Ortsauflösung, d. h. mit einer verhältnismäßig großen Pixel-Pitch, beispielsweise von 0,8 mm, verfügbar. Derartige Spektral-Zeilendetektoren sind in der Lage, die gesamte spektrale Breite der zu detektierenden Röntgenstrahlung zu erfassen, beispielsweise im Bereich von 20 keV bis 160 keV. Diese Detektoren stellen zur spektralen Auflösung eine Vielzahl, beispielsweise bis zu 256, Energiekanäle bereit. Ein derartiger Spektral-Zeilendetektor ermöglicht es daher, eine der Anzahl von Energiekanälen entsprechende Anzahl von Teilbildern zu erzeugen.
Derartige Zeilendetektoren werden bisher in der Praxis meist zur Erkennung bestimmter Materialien verwendet (z.B. EP 2 588 892 B1 ), wobei hierzu das für ein Produkt ermittelte Energiespektrum mittels des Energiespektrums eines Hellbildes, d. h. das Spektrum, das von dem Detektor ohne Vorhandensein eines Produkts ermittelt wird, normiert wird. Der natürliche Logarithmus des derart normierten Spektrums entspricht dabei dem Produkt aus dem energieabhängigen Absorptionskoeffizienten für das Produkt multipliziert mit der Dicke des Produkts. Der so für ein unbekanntes Produkt ermittelte spektrale Verlauf des energieabhängigen Absorptionskoeffizienten kann mit den bekannten Produktdaten verglichen werden. Auf diese Weise ist es möglich, das Material eines unbekannten Produkts zu identifizieren.
In der Lebensmittelindustrie besteht häufig das Problem, Produktkontaminationen, d. h. unerwünschte Fremdkörper in einem erwünschten Produkt, zu erkennen. Weisen die zu untersuchenden Produkte Schwankungen in der Dicke auf, so liefern bekannte Verfahren keine sichere Information, ob Schwankungen des Grauwerts in einem Bild, das von einem oder mehreren nicht spektral auflösenden Detektoren erzeugt wird, durch Schwankungen der Dicke des zu untersuchenden Produkts ohne Vorhandensein eines zu detektierenden Fremdkörpers erzeugt werden oder durch das Material eines Fremdkörpers, dass eine abweichende Absorption für die Röntgenstrahlung aufweist.
Zudem liefern bekannte Verfahren und Vorrichtungen zur Röntgeninspektion von Produkten häufig nur Grauwertbilder (dies gilt auch für Dual-Energy-Verfahren) die für eine zuverlässige Auswertung keinen ausreichenden Kontrast aufweisen.
Ausgehend von diesem Stand der Technik liegt der Erfindung die Aufgabe zugrunde, ein Verfahren zur Röntgeninspektion von Produkten, insbesondere von Lebensmitteln, zu schaffen, das die Erkennung von Fremdkörpern in einem Produkt verbessert und/oder zumindest eine Abschätzung über die Dicke eines aus zwei oder mehreren Komponenten bestehenden Produkts bzw. über die Gesamtdicke einer oder mehrerer Komponenten eines Produkts zu liefern. Weiterhin liegt der Erfindung die Aufgabe zugrunde, eine Vorrichtung zur Durchführung des Verfahrens zu schaffen.
Die Erfindung löst diese Aufgabe mit den Merkmalen der Patentansprüche 1 bzw. 11. Weitere Ausführungsformen ergeben sich aus den Unteransprüchen.
Die Erfindung geht von der Erkenntnis aus, dass ein spektral auflösender Röntgenstrahlungsdetektor in vorteilhafter Weise zur Erkennung von Fremdkörpern in einem Produkt verwendet werden kann, wenn die spektralen Daten in geeigneter Weise kombiniert werden. Zudem lassen sich aus den detektierten Daten Informationen über die Dicke von Produkten gewinnen, wenn die Art des Produkts, beispielsweise eines Lebensmittels, wie Fleisch mit Fleisch- und Fettanteil, bekannt ist.
Nach dem erfindungsgemäßen Verfahren wird wenigstens ein Produkttyp definiert, welcher Produkte umfasst, welche aus wenigstens einer ersten und einer zweiten Komponente bestehen, die unterschiedliche Absorptionskoeffizienten für die Röntgenstrahlung aufweisen. Bei Anwendungen in der Lebensmittelindustrie kann es sich hierbei um Fleischstücke handeln, welche die Komponenten Fleisch, Fett und Knochen aufweisen. In diesem Fall ist es meist wünschenswert, das Vorhandensein von Knochen und deren Größe und Lage zu ermitteln. Zudem besteht oftmals der Wunsch, den Fleisch- und Fettanteil zumindest abzuschätzen. In der Lebensmittelindustrie kann es sich bei dem Produkttyp jedoch auch um beliebige andere Produkte handeln, die hinsichtlich ähnlicher Eigenschaften zu untersuchen sind. Beispielsweise kann Joghurt auf das Vorhandensein von Fremdkörpern, wie Stahlabrieb oder Kunststoffpartikel, untersucht werden. Selbstverständlich können nicht nur Stückgüter, sondern auch jegliche Art von Produkten, auch Schüttgüter wie Getreide, Mehl oder dergleichen, in entsprechender Weise untersucht werden.
Das zu untersuchende Produkt, welches dem wenigstens einen Produkttyp zugehört, wird erfindungsgemäß mit einer Röntgenstrahlung mit einer vorgegebenen spektralen Breite durchstrahlt und die durch das Produkt hindurchgetretene Röntgenstrahlung wird mittels des spektral auflösenden Röntgenstrahlungsdetektors detektiert. Der Röntgenstrahlungsdetektor weist eine vorgegebene Anzahl von Pixeln auf, an denen die Röntgenstrahlung spektral aufgelöst detektiert wird. Dabei werden die Röntgenstrahlungsquanten zur spektralen Auflösung, abhängig von deren Energie, einer vorgegebenen Anzahl von Energiekanälen zugeordnet. Der Röntgenstrahlungsdetektor erzeugt auf diese Weise Bilddaten, welche für jedes Pixel Spektralwerte für ausgewählte oder alle Energiekanäle und/oder Summen-Spektralwerte für eine oder mehrere Gruppen von benachbarten Energiekanälen beinhalten.
Nach der Erfindung wird wenigstens eine Abbildungsvorschrift zur Verarbeitung der Bilddaten zu einem Gesamtbild für den wenigstens einen Produkttyp bestimmt, wobei jede Abbildungsvorschrift so ausgebildet ist, dass alle Spektralwerte und Summen-Spektralwerte auf einen Gesamtbildwert eines Bildpunktes des Gesamtbildes abgebildet werden, wobei eine Abbildungsvorschrift jeweils allen Pixeln oder vorbestimmten Gruppen von ein oder mehreren Pixeln zugeordnet wird. Die Variante, wonach eine Abbildungsvorschrift nicht allen Pixeln, sondern nur einer Gruppe von Pixeln zugeordnet wird, ist immer dann von Interesse, wenn der Röntgenstrahlungsdetektor unterschiedliche Empfindlichkeiten aufweist. Meist weist ein derartiger spektral auflösender Röntgenstrahlungsdetektor Kristalle auf, welche zur Detektion der Röntgenstrahlungsquanten dienen. Diese Kristalle können meist nicht mit einer geometrischen Ausdehnung gefertigt werden, die der gewünschten Detektorfläche oder Detektorlänge entspricht, so dass bei einer Kombination mehrerer solcher Kristalle zu einem Röntgenstrahlungsdetektor unterschiedliche Empfindlichkeiten der Kristalle kompensiert werden müssen.
An dieser Stelle sei darauf hingewiesen, dass der Röntgenstrahlungsdetektor als Zeilendetektor oder als Flächendetektor ausgebildet sein kann. Da in der Lebensmittelindustrie häufig die Notwendigkeit besteht, bewegte Produkte über eine Breite von bis zu 800 mm oder mehr zu untersuchen, werden meist Zeilendetektoren verwendet, da Flächendetektoren mit einer derartigen Breite zu teuer wären.
Nach einer ersten Variante der Erfindung werden die eine oder die mehreren Abbildungsvorschriften so bestimmt, dass in dem Gesamtbild eines Produkts des wenigstens einen Produkttyps eine oder mehrere Komponenten gegenüber einer Referenzkomponente eine Kontraststeigerung erfährt im Vergleich zu einem Grauwertbild, welches durch die einfache Addition aller oder ausgewählter Spektralwerte und aller oder ausgewählter Summen-Spektralwerte zu Gesamtbildpunkten erzeugt würde. Mit anderen Worten, die spektrale Auswertung unter Verwendung einer geeigneten Abbildungsvorschrift ermöglicht eine Verbesserung der Erkennbarkeit von Produktbereichen mit jeweils anderen Materialeigenschaften gegenüber der Verwendung von nicht spektral auflösenden Röntgenstrahlungsdetektoren, die nur ein einfaches Grauwertbild erzeugen.
Nach einer weiteren Variante der Erfindung werden die eine oder die mehreren Abbildungsvorschriften so gewählt, dass der Gesamtbildwert eines Bildpunktes entweder einen Wert für die Gesamtdicke der ersten Komponente oder einen Wert für die Gesamtdicke der zweiten Komponente, in der Durchstrahlungsrichtung gesehen, darstellt. Diese Variante der Erfindung ist insbesondere für Produkttypen vorteilhaft anwendbar, deren Produkte aus genau zwei Komponenten bestehen.
Bei dieser Variante wird vorzugsweise wenigstens eine erste Abbildungsvorschrift verwendet, die bei der Untersuchung eines Produkts eines bekannten Produkttyps, beispielsweise eines Fleischstücks mit Fettgehalt, Informationen über die Gesamtdicke des Fleischanteils liefert. Unter Gesamtdicke wird dabei die Summe von allen Schichtdicken verstanden, die, in der Durchstrahlungsrichtung gesehen, ausschließlich oder im Wesentlichen aus Fleisch bestehen. Zudem wird wenigstens eine zweite Abbildungsvorschrift verwendet, die Informationen über die Gesamtdicke des Fettanteils liefert. Dabei ist keine der wenigstens einen ersten oder zweiten Abbildungsvorschriften in der Lage, eine Information über die gesamte Dicke des Produkts zu liefern. Diese kann jedoch durch die Addition der durch die jeweils mindestens eine erste und die jeweils mindestens eine zweite Abbildungsvorschrift bestimmten Werte für die jeweilige Gesamtdicke der einzelnen Komponenten ermittelt werden.
Nach einer bevorzugten Ausführungsform der Erfindung stellt die wenigstens eine Abbildungsvorschrift einen Klassifikator dar, der die wenigstens zwei Komponenten vorgegebenen Klassen zuordnet. Dabei wird jede Klasse durch einen numerischen Zielwert bezeichnet. Beispielsweise kann in einem Fleischstück, welches aus Fleisch und Knochen besteht, der Knochen als unerwünscht angesehen (und einem unerwünschten Fremdkörper gleichgesetzt) und der Fleischanteil als erwünscht angesehen werden.
Der Klassifikator kann dabei insbesondere ein künstliches neuronales Netz oder eine Support Vector Machine sein.
Nach einer weiteren Ausführungsform kann die wenigstens eine Abbildungsvorschrift so bestimmt werden, dass jedem Spektralwert oder jedem Summen-Spektralwert ein Abbildungskoeffizient zugeordnet ist, und dass das Gesamtbild des zu untersuchenden Produkts erzeugt wird, indem jeder Spektralwert und jeder Summen-Spektralwert mit dem zugeordneten Abbildungskoeffizienten multipliziert wird und diese Produkte addiert werden. Während die vorstehend geschilderten Varianten ein überwachtes Lernen des Klassifikators voraussetzen, ermöglicht diese Variante auch ein nicht überwachtes Lernen.
Diese Variante ermöglicht darüber hinaus die vorteilhafte Erzeugung eines Dual-Energy-Bildes, wenn diese lineare Abbildungsvorschrift so bestimmt wird, dass aus den Bilddaten ein Dual-Energy-Bild oder Multiple-Energy-Bild erzeugt wird, indem die Spektralwerte von wenigstens zwei Gruppen von ausgewählten benachbarten Energiekanälen oder entsprechende Summen-Spektralwerte mit jeweils einem konstanten Gewichtsfaktor multipliziert werden und diese Produkte addiert werden.
Dabei bietet der spektral auflösende Röntgenstrahlungsdetektor die Möglichkeit, die spektralen Bereiche, die zur Erzeugung des Dual-Energy-Bildes verwendet werden, frei zu wählen. Dabei kann sowohl die Breite der spektralen Bereiche als auch deren Lage beliebig gewählt werden. Zudem kann ein einziger Satz von Bilddaten (d. h. das Bild eines zu untersuchenden Produkts) mit einem einzigen Detektionsvorgang auch mehrmals ausgewertet werden, insbesondere unter Verwendung verschiedener Abbildungsvorschriften, d. h. verschiedener spektraler Bereiche, die zu einem Dual-Energy-Bild kombiniert werden. Somit lassen sich Gesamtbilder erzeugen, die hinsichtlich des Erkennens von bestimmten Materialien, insbesondere von Fremdkörpern aus bestimmten Materialien (beispielsweise Stahl, Kunststoff, Knochen oder dergleichen) optimiert sind.
Nach einer weiteren Ausführungsform kann die wenigstens eine Abbildungsvorschrift so bestimmt werden, dass sich die Gruppen von benachbarten Energiekanälen spektral nicht überlappen, oder dass der Röntgenstrahlungsdetektor so betrieben oder angesteuert wird, dass das Bildsignal nur Spektralwerte für sich nicht überlappende Gruppen von Energiekanälen beinhaltet oder bereits Summen-Spektralwerte für sich nicht überlappende Gruppen von Energiekanälen beinhaltet. Somit lässt sich ein Dual-Energy-Bild erzeugen, welches durch die Kombination von vollkommen disjunkten spektralen Bereichen erzeugt wird. Hierdurch lässt sich gegenüber Dual-Energy-Bildern, die mit herkömmlichen, nicht spektral auflösenden Röntgenstrahlungsdetektoren erzeugt werden, ein verbesserter Kontrast zwischen Bildbereichen erzeugen, die Produktbereichen entsprechen, die in Durchstrahlungsrichtung unterschiedliche Materialkombinationen aufweisen.
Nach einer Ausführungsform der Erfindung kann die wenigstens eine Abbildungsvorschrift mittels eines Machine-Learning-Verfahrens bestimmt werden, wobei in einem Lernmodus eine Mehrzahl von Trainings-Produkten, die aus jeweils einer der Komponenten bestehen und unterschiedliche Dicken aufweisen, mittels des spektral auflösenden Röntgenstrahlungsdetektors detektiert werden, und wobei zur Bestimmung jeder Abbildungsvorschrift die Spektralwerte oder Summen-Spektralwerte aller oder ausgewählter Pixel oder Gruppen von benachbarten Pixeln, die für die Trainingsprodukte detektiert werden, als Merkmale der Abbildungsvorschrift verwendet werden, und vorgegebene Klassenwerte als Zielwerte der Abbildungsvorschrift verwendet werden, wobei der Klassenwert für alle Trainingsprodukte, die aus derselben Komponente bestehen, identisch ist.
Diese Variante bestimmt die Eigenschaften der wenigstens einen Abbildungsvorschrift derart, dass ein Gesamtbild erzeugt wird, das durch Klassifikation entsteht und demzufolge als Score-Bild aufgefasst werden kann.
Nach einer weiteren Ausführungsform können anstelle von detektierten Spektralwerten oder Summen-Spektralwerten, die für ein Trainingsprodukt aus einer Komponente mit einem bekannten Material gewonnen werden, Simulationsdaten verwendet werden, wobei die Simulationsdaten Produkte aus vorbekannten Werten für den energieabhängigen Massenschwächungskoeffizienten (Absorptionskoeffizient ist gleich dem Massenschwächungskoeffizienten mal der Dichte des Materials) und geeignet gewählten Dicken umfassen.
Diese Vorgehensweise bietet sich insbesondere dann an, wenn die Erkennung von Fremdkörpern in einem Produkt beabsichtigt ist, die aus einem bekannten Material, beispielsweise Stahl oder bestimmten Kunststoffen bestehen, und wenn für dieses Material bereits Daten für den energieabhängigen Absorptionskoeffizienten vorliegen, die entweder in der Inspektionsvorrichtung selbst oder in einer externen Datenbank gespeichert sind. Bei dieser Variante muss daher für das betreffende Material der Absorptionskoeffizient an den Stellen (bzw. in den jeweiligen Bereichen) der Energiekanäle des Röntgenstrahlungsdetektor bestimmt werden. Die betreffenden Werte müssen jeweils mit einer angenommenen Dicke des Materials multipliziert werden. Ein derartiger Wert entspricht dem Wert, den der Röntgenstrahlungsdetektor bei der Durchstrahlung eines derartigen Materials detektieren würde, bezogen auf das jeweilige Hellbild.
Für die Dicke der Trainingsprodukte und auch für die Dicke zur Erzeugung der Simulationsdaten werden vorzugsweise Werte verwendet, die den Bereich abdecken, der bei der Prüfung der Produkte des betreffenden Produkttyps in der Praxis zu erwarten ist.
Nach einer anderen Ausführungsform der Erfindung wird die wenigstens eine Abbildungsvorschrift für den wenigstens einen Produkttyp zur Bestimmung der Gesamtdicke der ersten oder der zweiten Komponente ebenfalls mittels eines Machine-Learning-Verfahrens bestimmt, wobei in einem entsprechenden Lernmodus mindestens eine erste Abbildungsvorschrift zur Bestimmung der Gesamtdicke der ersten Komponente und mindestens eine zweite Abbildungsvorschrift zur Bestimmung der Dicke der zweiten Komponente ermittelt werden, und wobei im Lernmodus eine Mehrzahl von Trainings-Produkten, die aus beiden Komponenten bestehen, mittels des spektral auflösenden Röntgenstrahlungsdetektors detektiert werden. Zur Bestimmung der mindestens einen ersten Abbildungsvorschrift werden Trainingsprodukte verwendet, die eine jeweils unterschiedliche vorbekannte Gesamtdicke der ersten Komponente und eine gleiche oder unterschiedliche Gesamtdicke der zweiten Komponente aufweisen, und zur Bestimmung der mindestens einen zweiten Abbildungsvorschrift werden Trainingsprodukte verwendet, die eine jeweils unterschiedliche vorbekannte Gesamtdicke der zweiten Komponente und eine gleiche oder unterschiedliche Gesamtdicke der ersten Komponente aufweisen. Alternativ können zur Bestimmung der mindestens einen ersten und zweiten Abbildungsvorschrift Trainingsprodukte verwendet werden, die eine jeweils unterschiedliche vorbekannte Gesamtdicke der ersten Komponente und eine gleiche oder unterschiedliche vorbekannte Gesamtdicke der zweiten Komponente aufweisen. Zur Bestimmung der mindestens einen ersten und zweiten Abbildungsvorschrift werden die Spektralwerte oder Summen-Spektralwerte aller oder ausgewählter Pixel oder Gruppen von benachbarten Pixeln, die für die Trainingsprodukte detektiert werden, als Merkmale der Abbildungsvorschrift verwendet und jeweils vorbekannte Gesamtdicken als Zielwert der Abbildungsvorschrift verwendet.
Nach einer Ausführungsform der Erfindung können mehrere Produkttypen definiert werden, wobei jeder Produkttyp Produkte umfasst, welche aus jeweils derselben ersten und wenigstens einer zweiten Komponente bestehen, die unterschiedliche Absorptionskoeffizienten für die Röntgenstrahlung aufweisen. So lassen sich unter Verwendung derselben Bilddaten eines zu untersuchenden Produkts mehrere Gesamtbilder erzeugen, wobei zur Erzeugung jedes Gesamtbildes eine Abbildungsvorschrift für einen jeweils anderen Produkttyp verwendet wird.
Die Erfindung wird nachstehend unter Bezugnahme auf die Zeichnung näher erläutert. In der Zeichnung zeigen:

1 eine schematische Darstellung einer Ausführungsform einer Vorrichtung zur Inspektion von Produkten mit einem spektral auflösenden Zeilendetektor;
2 ein beispielhaftes Energiespektrum, das von einem Pixel eines spektral auflösenden Zeilendetektors erzeugt wurde;
3 ein Gewichtungsprofil zur Gewichtung der Energiekanäle eines Energiespektrums gem. 2 zur Erzeugung eines Dual-Energy-Bildes;
4 ein Gewichtungsprofil zur Gewichtung der Energiekanäle eines Energiespektrums gem. 2 zur Erzeugung eines Score-Bildes;
5 ein Dual-Energy-Grauwertbild von überlappenden Produkten und Fremdkörpern aus einem ersten und einem zweiten Material (5a) sowie ein erstes Score-Bild, welches zur Sichtbarmachung der Fremdkörper aus dem ersten Material optimiert ist (5b), und ein zweites Score-Bild, welches zur Sichtbarmachung der Fremdkörper aus dem zweiten Material optimiert ist (5c); und
6 eine Tabelle zur Erläuterung von Auswerteverfahrens für die Bilddaten.

1 zeigt eine schematische Darstellung einer ersten Ausführungsform einer Vorrichtung 100 zur Röntgeninspektion von Produkten 102, insbesondere von Lebensmitteln, mit einer Strahlungserzeugungsvorrichtung 104 mit wenigstens einer Röntgenstrahlungsquelle 106 mit einer Röntgenstrahlungsdetektorvorrichtung 108 und mit einem spektral auflösenden Röntgenstrahlungsdetektor 114, welcher als Zeilendetektor ausgebildet ist.
Die Röntgenstrahlungsquelle 106 erzeugt einen fächerförmigen Röntgenstrahl 116, welcher eine Mittelebene aufweist, die senkrecht zu einer Bewegungsrichtung B steht, in welcher die zu untersuchenden Produkte 102 durch den Röntgenstrahl 116 bewegt werden. Der Röntgenstrahl 116 weist in der Bewegungsebene E einen Öffnungswinkel auf, der so ausgebildet ist, dass das zu untersuchende Produkt 102 in seiner gesamten Breite von dem Röntgenstrahl 116 durchstrahlt wird. Zur Bewegung des Produkts 102 kann eine Fördervorrichtung (nicht dargestellt), beispielsweise ein Transportband, vorgesehen sein.
Der Zeilendetektor 114 umfasst eine Detektorzeile 122, welche eine diskrete Ortsauflösung, d. h. eine Pixel-Pitch, von beispielsweise 0,8 mm aufweisen kann. Die Detektorzeile 122 ist dabei in etwa mittig auf einem Träger 126 vorgesehen, der auch Kühlkörper und andere Komponenten tragen kann. Die Kühlkörper können auch den Träger 126 bilden.
Der Zeilendetektor 114 kann, wie in 1 gezeigt, in einem Gehäuse 128 vorgesehen sein, welches als Strahlenschutzgehäuse ausgebildet sein kann. Das Gehäuse 128 weist an seiner Oberseite, d. h. der der Röntgenstrahlungsquelle 106 zugewandten Seite, eine Öffnung 130 auf, welche das Eindringen des Röntgenstrahls 116 in das Gehäuse in Richtung auf die Pixelzeile 122 des Zeilendetektors 114 ermöglicht.
Anstelle eines einzigen spektral auflösenden Zeilendetektors 114 können auch zwei oder mehrere spektral auflösende Zeilendetektoren vorgesehen sein. Dies kann dann von Vorteil sein, wenn die nicht spektral auflösenden Zeilendetektoren jeweils zur Erfassung einer unterschiedlichen maximalen spektralen Breite ausgebildet sind. Beispielsweise kann einer der spektral auflösenden Zeilendetektoren eine spektrale Breite von maximal 20 keV bis 160 keV mit einer spektralen Auflösung von 256 Energiekanälen aufweisen und ein weiterer spektral auflösender Zeilendetektor eine spektrale Breite von maximal 20 keV bis 80 keV, ebenfalls bei einer Auflösung von 256 Energiekanälen. Der weitere spektral auflösende Zeilendetektor weist somit eine doppelt so hohe spektrale Auflösung auf wie der erste spektral auflösende Zeilendetektor.
Der Zeilendetektor 114 erzeugt ein Bilddatensignal, welches einer Auswerte- und Steuereinheit 132 zugeführt ist. Die Auswerte- und Steuereinheit 132 kann eine Datenerfassungseinheit 134 und eine Bildverarbeitungseinheit 136 aufweisen. Der Datenerfassungseinheit 134 ist das Bilddatensignal des Zeilendetektors 114 zugeführt. Die Bildverarbeitungseinheit 136 ist zur weiteren Verarbeitung und Analyse der Bilddaten ausgebildet. Die Datenerfassungseinheit 134 kann auch so ausgebildet sein, dass diese den Zeilendetektor 114 in geeigneter Weise ansteuert, insbesondere hinsichtlich der Abtastzeitpunkte. Hierzu kann die Datenerfassungseinheit 134 dem Zeilendetektor ein Taktsignal zuführen, wobei die Bilddatenerfassung durch den Zeilendetektor synchronisiert mit dem Taktsignal erfolgen kann.
Die Bildverarbeitungseinheit 136 kann die vom Zeilendetektor 114 erfassten Bilddaten in der nachstehenden Art und Weise verarbeiten.
2 zeigt beispielhaft die Bilddaten, die von dem spektral auflösenden Zeilendetektor 114 für ein bestimmtes Pixel geliefert werden. Hierbei ist der gesamte erfasste Energiebereich, beispielsweise von 20 keV bis 80 keV, in eine bestimmte Anzahl von Energiekanälen eingeteilt, wobei jeder Energiekanal eine bestimmte (üblicherweise konstante) spektrale Breite aufweist, die sich aus der Breite des gesamten erfassten spektralen Bereichs geteilt durch die Anzahl von Energiekanälen, beispielsweise 128 oder 256 Energiekanäle, ergibt. Der Zeilendetektor 114 liefert für jeden Energiekanal einen Spektralwert, der in 5 mit „Counts“ bezeichnet ist, da ein derartiger spektral auflösender Zeilendetektor in der Regel einzelne Photonen zählt, und die registrierten Photonen, abhängig von deren Energie, einem bestimmten Energiekanal zuordnet. Der in 5 dargestellte Verlauf entspricht einem typischen Hellbild, welches von dem Zeilendetektor 114 ohne das Vorhandensein eines Produkts im Strahlengang des Röntgenstrahls 116 erzeugt wird. Dieses Spektrum wird in charakteristischer Weise verändert, wenn ein Produkt aus einem bestimmten Material oder einer bestimmten Materialkombination im Strahlengang der Röntgenstrahlung liegt, die durch das Pixel detektiert wird.
Die Spektralwerte werden mit dem Bilddatensignal der Auswerte- und Steuereinheit 136 als Bilddaten übermittelt. Die Auswerte- und Steuereinheit 136 kann diese Bilddaten auf verschiedenartige Weise auswerten.
Beispielsweise kann die Fähigkeit einer spektralen Auflösung des Zeilendetektors 114 genutzt werden, um ein Dual-Energy-Bild zu erzeugen. Hierzu kann die Auswerte- und Steuereinheit 136 pixelweise eine beliebige Gewichtung der Spektralwerte vornehmen. Eine solche Gewichtung kann dadurch bewirkt werden, dass jedem einzelnen Energiekanal ein Faktor zugeordnet wird, der mit dem jeweiligen Spektralwert multipliziert wird. Hierdurch kann auch eine scharfe Beschränkung des Spektrums erreicht werden, wenn ausgewählten Energiekanälen der Faktor Null zugeordnet wird.
3 zeigt ein Gewichtungsprofil, welches für jeden Energiekanal einen separaten Gewichtungsfaktor aufweist. Dieses Profil sieht für eine Anzahl von Energiekanälen am unteren Bereich des gesamten Spektrums und am oberen Bereichs des Spektrums jeweils eine konstante Gewichtung vor, beispielsweise mit einem Faktor 1 im unteren Spektralbereich und mit einem Faktor -R im oberen Spektralbereich. Alle anderen Energiekanäle werden mit dem Faktor 0 gewichtet. Die so gewichteten Spektralwerte der Energiekanäle können zur Erzeugung eines Summen-Spektralwerts addiert werden, wodurch sich ein Dual-Energy-Bild ergibt.
Wie bereits vorstehend erläutert, kann der spektral auflösende Zeilendetektor 114 auch so ausgebildet sein, dass dieser eine Vorauswahl trifft, welche Energiekanäle im Rahmen eines Bilddatensignals zur Auswerte- und Steuereinheit 136 übermittelt werden. Beispielsweise kann der Zeilendetektor 114 manuell oder von der Auswerte- und Steuereinheit 136 so eingestellt werden, dass er nur bestimmte Energiekanäle als Bilddatensignal ausgibt. Der Zeilendetektor 114 kann auch so ausgebildet sein, dass er die ausgewählten Energiekanäle bereits integriert ausgibt, d. h. die Spektralwerte der ausgewählten Energiekanäle aufsummiert. In diesem Fall ergibt sich für die Auswerte- und Steuereinheit 136 ein geringerer Aufwand für die Verarbeitung der Bilddaten des Zeilendetektors 114.
Somit ermöglicht der nicht spektral auflösende Zeilendetektor 114 die Erzeugung eines Dual-Energy-Bildes unter Verwendung eines flexiblen Spektrums. Dieses kann durch die einfache Auswertung des Bilddatensignals des Zeilendetektors 114 festgelegt werden, oder der Zeilendetektor 114 wird so angesteuert, dass er bereits entsprechende spektral beschränkte Bilddaten bzw. sogar Summen-Spektralwerte liefert (siehe oben).
Das Spektrum des spektral auflösenden Zeilendetektors 114 kann dabei so variiert werden, dass bestimmte Produktmerkmale eines zu untersuchenden Produkts in dem Dual-Energy-Bild besser, beispielsweise mit einem höheren Kontrast, erkennbar sind.
Die Auswertung der mittels eines einzigen Scans gewonnenen Bilddaten kann auch so erfolgen, dass mehrere Auswertungen durchgeführt werden. Insbesondere können unterschiedliche Dual-Energy-Bilder unter Verwendung verschieden gewichteter Bilddaten des spektral auflösenden Zeilendetektors 114 erzeugt werden. Beispielsweise kann das Spektrum der Bilddaten des Zeilendetektors 114 in einer Auswertung so gewählt werden (beispielsweise durch eine entsprechende Gewichtung), dass Fremdkörper aus einem bestimmten Material, beispielsweise Stahl, mit hohem Kontrast erkennbar sind. In einer weiteren Auswertung kann das Spektrum der Bilddaten des Zeilendetektors 114 anders gewählt werden, beispielsweise um ein Dual-Energy-Bild zu erzeugen, in dem Fremdkörper aus einem anderen Material, beispielsweise Polyethylen, mit hohem Kontrast zu erkennen sind.
Im Folgenden wird erläutert, wie die vollständigen Informationen, die in den spektralen Bilddaten enthalten sind, durch eine vorteilhafte Bildauswertung verwendet werden können.
Hierzu wird zunächst eine Einlernphase durchlaufen, wozu die Auswerte- und Steuereinheit in einen Einlernmodus überführt werden kann. In der Einlernphase wird wenigstens eine Abbildungsvorschrift bestimmt, die alle oder ausgewählte Spektralwerte und Summen-Spektralwerte auf einen Gesamtbildwert eines Bildpunktes des Gesamtbildes abbildet, oder die alle oder ausgewählte Spektralwerte und Summen-Spektralwerte auf einen Gesamtbildwert eines Bildpunktes des Gesamtbildes abbildet, welcher einen Wert für die Gesamtdicke einer Komponente des durchstrahlten Produkts, in der Durchstrahlungsrichtung gesehen, darstellt.
Beispielsweise können in der Einlernphase die einzelnen Pixel der aufgenommen Produktbilder mit ihren zugehörigen 256 Energiekanälen in Form einer Tabelle, wie in 6 dargestellt, angeordnet werden. Dabei bilden die Pixel die Zeilen, sogenannte Beobachtungen. Die Energiekanäle jedes Pixels bilden die Spalten und werden als Merkmale bezeichnet.
Jeder Zeile der Tabelle, und damit jedem Pixel, wird ein Klassenwert Y (Zielwert) zugeordnet. Dieser kann - abhängig von der Anwendung - im Fall einer Kontrastoptimierung entweder ein diskreter Klassenname oder eine Klassenidentifikationsnummer sein, oder im Fall einer Schichtdickenbestimmung ein Schichtdickenwert, beispielsweise die Schichtdicke in mm. Damit sind in der Einlernphase die Merkmale und die Klassenwerte bekannt und es gilt eine Abbildungsvorschrift zu bestimmen.
Im Fall einer Kontrastoptimierung für zu untersuchende Produkte, die eine Kontamination mit Fremdkörpern aufweisen können, können für den Einlernprozess mehrere Bilder einer ersten Komponente (nicht kontaminiertes Produkt), vorzugsweise mit verschiedenen Dicken aufgenommen werden. Den Pixeln dieser Bilder wird ein Klassenwert, z.B. „Produkt“, zugeordnet. Darüber hinaus werden Bilder weiterer Komponenten aufgenommen, die einen von der ersten Komponente verschiedenen Absorptionskoeffizienten besitzen. Auch diesen Pixeln wird ein Klassenwert, z.B. „Kontamination“, zugewiesen. Beide Datensätze werden in einer Tabelle, wie in 6 dargestellt, zusammengefasst, welche demzufolge mindestens zwei verschiedene Klassenwerte Y beinhaltet.
Nach einer weiteren Ausführungsform kann für das Einlernen nur die Komponente 1 mittels des Röntgenstrahlendetektors detektiert werden. Für die wenigstens eine weitere Komponente können Mess- oder auch Simulationsdaten auf der Maschine hinterlegt sein und zur Erstellung einer Tabelle gemäß 6 genutzt werden.
Simulationsdaten der energieabhängigen Massenschwächungskoeffizienten (Massenschwächungskoeffizienten = Absorptionskoeffizient dividiert durch Dichte) aller Elemente des Periodensystems sind in Datenbanken frei verfügbar. Aus diesen kann der energieabhängige Massenschwächungskoeffizient von Molekülen, und damit auch von Materialkombinationen, bestimmt werden.
Diese Daten können auf der Maschine vorgehalten und zusammen mit realen Messdaten zur Bestimmung der Abbildungsvorschrift genutzt werden. Für das Einlernen muss in solchen Fällen lediglich das nichtkontaminierte Produkt (Komponente 1) mit dem Röntgenstrahlungsdetektor detektiert (gescannt) werden und potentielle Kontaminationen (d. h. weitere Komponenten) werden über Simulationsdaten der Merkmalstabelle als weitere Zeilen zugeführt. Hierzu wird der Massenschwächungskoeffizient einer potentiellen Kontamination (typischerweise Eisen, Edelstahl, Kunststoffe, Glas) mit einer durchschnittlichen Dichte der Kontamination bei Betriebstemperatur sowie mit mehreren realistischen Dicken multipliziert, um so künstlich die Absorptionseigenschaften der Kontaminationen zu generieren. Vorteilhaft an dieser Vorgehensweise ist, dass ein Anwender lediglich eine ausreichende Anzahl von Produkten (vorzugsweise mit einem Querschnitt deren Eigenschaften) aus seiner Produktionslinie für den Einlernprozess scannen, d. h. mittels des Röntgenstrahlungsdetektors entsprechende Spektralwerte erzeugen muss, da die erforderlichen Fremdkörperdaten (Kontaminationsdaten) bereits auf der Maschine vorliegen oder über Simulationsdaten erzeugt werden.
Nach dem Gewinnen der Einlerndaten wird eine Abbildungsvorschrift gesucht, die - im Fall der Kontrastverbesserung - die Merkmale anhand ihres Klassenwertes Y in eine andere Darstellungsform, insbesondere ein sogenanntes Score-Bild, transformiert. Das Score-Bild weist verbesserte Eigenschaften gegenüber den Rohbildern auf. Die Abbildungsvorschrift kann jedoch auch direkt eine Klassifikation durchführen.
Eine verbesserte Eigenschaft in diesem Zusammenhang ist beispielsweise der Abstand der Gesamtbildwerte einer ersten Komponente (z.B. Joghurt) gegenüber mindestens einer weiteren Komponente (z.B. Glas-Kontamination), im Rahmen dieser Beschreibung auch als Kontrast bezeichnet. Ziel ist es, die weitere (Kontaminations-) Komponente im transformierten Bild deutlicher, d.h. kontraststärker, gegenüber der ersten Komponente darzustellen. Im Idealfall wird eine der Komponenten (meist die erste Komponente) ausgeblendet, so dass nur noch alle weiteren Komponenten sichtbar sind.
Über den Klassenwert in der Tabelle gemäß 6 kann gesteuert werden, welche Komponenten ausgeblendet werden sollen, da die Abbildungsvorschrift basierend auf den verschiedenen Klassenwerten eine Maximierung des Klassenabstandes vornimmt. Mehrere verschiedene Komponenten können zu einem Klassenwert zusammengefasst werden.
Nach einer speziellen Variante wird hierzu jedem Energiekanal ein Abbildungskoeffizient (Gewichtungsfaktor) c zugeordnet. Die so gebildeten Produkte werden aufsummiert, d. h. es wird damit eine Linearkombination der Merkmale gebildet. $\begin{array}{l} Y_{1} = c_{1} \cdot K a n a l 1_{1} + c_{2} \cdot K a n a l 2_{1} + \dots + c_{256} \cdot K a n a l 256_{1} \\ Y_{2} = c_{1} \cdot K a n a l 1_{2} + c_{2} \cdot K a n a l 2_{2} + \dots + c_{256} \cdot K a n a l 256_{2} \\ Y_{B} = c_{1} \cdot K a n a l 1_{B} + c_{2} \cdot K a n a l 2_{B} + \dots + c_{256} \cdot K a n a l 256_{B} \end{array}$
Zur Bestimmung der Abbildungskoeffizienten c können Verfahren aus dem Bereich der multivariaten Statistik angewendet werden, bspw. eine Korrelations- oder Diskriminanzanalyse.
In der Einlernphase werden Abbildungskoeffizienten c bestimmt, welche in der anschließenden Produktionsphase zur Berechnung der Score-Bilder (Ergebniswerte) zur Anwendung kommen. In der Produktionsphase werden Bilder aufgenommen und die so erzeugten Merkmale (d. h. Spektralwerte der Energiekanäle) werden mit den Abbildungskoeffizienten c verrechnet, wodurch neue Klassenwerte Y (Ergebniswerte) bestimmt werden, die sogenannten Scores. In dem Score-Bild ist der Kontrast, also der Abstand der Gesamtbildwerte, zwischen den einzelnen Komponenten gegenüber dem Rohbild deutlich erhöht. Eine nachgeschaltete Bildverarbeitung kann in dem Score-Bild deutlich einfacher (sicherer und mit höherer Empfindlichkeit) die einzelnen Komponenten unterscheiden. Dies ist insbesondere für eine Fremdkörperdetektion vorteilhaft, da die Fehldetektion reduziert wird und auch kleine oder schwach absorbierende Kontaminationen zuverlässig erkannt werden.
5 zeigt einen Vergleich eines in 5a dargestellten Grauwertbildes, bei dem es sich um ein Dual-Energy-Bild handeln kann, mit zwei Score-Bildern, welche zwei verschiedenartige Kontaminationen (aus unterschiedlichen Materialien), die auch in dem Graustufenbild schwach erkennbar sind, deutlich erkennen lassen (5b und 5c). In diesem Fall wurden also zwei verschiedene Abbildungsvorschriften parallel zum Einsatz gebracht, um die verschiedenartigen Kontaminationen zu identifizieren.
In einer weiteren Ausführungsform wird die Abbildungsvorschrift als Klassifikator aufgefasst, welcher in der Produktionsphase jedem Pixel eine Klasse zuordnet. Die Einlernphase dient nun dazu den Klassifikator zu trainieren. Hierzu wird - analog zu der oben beschriebenen Transformation - die Tabelle gemäß 6 genutzt. Als Klassifikator kann beispielsweise eine Support Vector Machine (SVM) genutzt werden. Diese sucht eine Hyperebene, die beide Klassen, d. h. die erste und eine weitere Komponente, welche durch die Merkmale (Spektralwerte der Energiekanäle) beschrieben werden, bestmöglich voneinander trennt. Eine Hyperebene ist im einfachsten Fall eine Gerade, die die beiden Gruppen voneinander trennt. Sind die Klassen nicht linear trennbar, werden die Merkmale in einen höher dimensionalen Raum überführt, in welchem sie linear trennbar sind. Diese Trennlinie in einem höher dimensionalen Raum wird als Hyperebene bezeichnet.
Die Abbildungsvorschrift ist im Falle eines Klassifikators keine Transformation der Energiekanäle in einen neuen Bildwert (Score), welcher weiter analysiert werden muss, im eigentlichen Sinne, sondern weist jedem Pixel (Beobachtung) direkt eine Klassenzugehörigkeit (Ergebniswert) zu.
In einer weiteren Ausführungsform wird ein künstliches Neuronales Netz (ANN) genutzt. Dieses kann entweder die Abbildungskoeffizienten als Vorfaktoren der Spektralwerte und/oder Summenspektralwerte genutzt werden - und damit eine Transformation wie die oben skizzierte Linearkombination durchführen -, oder das ANN stellt direkt den Klassifikator dar, welcher in der Produktionsphase jedem Pixel (Beobachtung) einen Klassenwert zuweist.
In einer weiteren Ausführungsform wird eine Transformation der Energiekanäle in ein Score-Bild mit Hilfe der Faktorenanalyse, insbesondere auch der Hauptkomponentenanalyse, durchgeführt. Diese nimmt eine Transformation der Merkmale (Energiekanäle) anhand der, in dem Datensatz enthaltenen Varianz, vor, ohne Berücksichtigung der im Einlernprozess bekannten Klassenwerte.
Neben den einzelnen Spektral- und/oder Summen-Spektralwerten der Energiekanäle, die als Merkmale aufgefasst werden, sind auch beliebige Kombinationen der Energiekanäle untereinander und/oder mit sich selbst denkbar. So kann es von Vorteil sein, dass beispielsweise Energiekanäle quadriert werden und damit 256 weitere Merkmale generiert werden. Auch eine Kombination von Merkmalen untereinander, sogenannter Mischterme, ist denkbar. In obiger Gleichung treten die Kanäle nicht ausschließlich linear auf, sondern in beliebiger Ordnung. Die Abbildungsvorschrift selbst ist weiterhin linear, wobei die Eingangsdaten vorverarbeitet werden. Dies ist insbesondere dann von Vorteil, wenn die Klassen nicht linear trennbar sind, aber eine Transformation mittels einer Linearkombination, wie oben skizziert, angestrebt wird.
Im Fall der Schichtdickenbestimmung erfolgt der Einlernprozess häufig mit (mindestens) zwei Referenzmaterialen. Dabei variiert die Schichtdicke einer ersten Komponente bei gleichbleibender Schichtdicke einer weiteren Komponente, und anschließend umgekehrt. Für jede Konfiguration an Referenzmaterialien sind die Schichtdicken der beiden Komponenten bekannt und werden als Klassenwert Y in der Tabelle gemäß 6 verwendet. In einer vorteilhaften Ausführungsform wird für jede in dem Produkt enthaltene Komponente ein separates Modell bestimmt. Hierzu wird für jede Komponente eine eigene Tabelle, wie in 6 dargestellt, aufgestellt. Aus dem Verhältnis der Schichtdicken lässt sich ein Verhältnis der ersten Komponente zu der weiteren Komponente bestimmen. Ein Praxisbeispiel ist hierbei die Bestimmung des Fettanteils in Fleisch, der oftmals als chemical lean value (CL-Wert) angegeben wird.
Nach dem Erstellen der Merkmalstabelle gemäß 6 wird wiederum eine Abbildungsvorschrift gesucht, die die Spektralwerte und/oder Summenspektralwerte der Energiekanäle einer Schichtdicke mindestens einer der Komponenten zuweist.
In einer ersten Ausführungsform wird eine Linearkombination der Spektral- und/oder Summenspektralwerte (auch Produkte aus Energiekanälen sind möglich) gebildet, also jedem Merkmal ein Abbildungskoeffizient c zugewiesen. $\begin{array}{l} Y_{1} = c_{1} \cdot K a n a l 1_{1} + c_{2} \cdot K a n a l 2_{1} + \dots + c_{256} \cdot K a n a l 256_{1} \\ Y_{2} = c_{1} \cdot K a n a l 1_{2} + c_{2} \cdot K a n a l 2_{2} + \dots + c_{256} \cdot K a n a l 256_{2} \\ Y_{B} = c_{1} \cdot K a n a l 1_{B} + c_{2} \cdot K a n a l 2_{B} + \dots + c_{256} \cdot K a n a l 256_{B} \end{array}$
Y stellt in der vorstehenden Gleichung die Schichtdicke einer Komponente dar.
Die Abbildungsvorschrift zur Bestimmung von Schichtdicken wird als Regressionsproblem aufgefasst. Die Abbildungskoeffizienten c selbst werden in einer ersten Ausführungsform mit Hilfe einer multiplen linearen Regression (O-PLS, ordinary partial least squares) bestimmt.
In der Produktionsphase werden die gefundenen Koeffizienten angewendet, um damit eine Schichtdicke Y vorherzusagen.
In einer weiteren Ausführungsform wird ein künstliches, neuronales Netz (ANN) genutzt, um die Schichtdicke Y basierend auf den Spektral- und/oder Summenspektralwerten zu schätzen.
Weitere gängige Verfahren zur Lösung dieses Regressionsproblems sind Support Vector Regression (SVR) oder Gaussian Process Regression (GPR).
In einer weiteren Ausführungsform wird anstelle der Schichtdicken der Einzelkomponenten direkt das (Massen-) verhältnis der Komponenten im Produkt bestimmt. In der Tabelle gemäß 6 ist der Klassenwert nun das (Massen-) Verhältnis der Komponenten und nicht mehr die Schichtdicke einzelner Komponenten, aus denen das (Massen-)verhältnis bestimmt wird.
Bezugszeichenliste

100: Vorrichtung zur Röntgeninspektion
102: Produkt
104: Strahlungserzeugungsvorrichtung
106: Röntgenstrahlungsquelle
108: Röntgenstrahlungsdetektorvorrichtung
114: spektral auflösender Zeilendetektor
116: fächerförmiger Röntgenstrahl
118: Pixelzeile
120: Pixelzeile
122: Pixelzeile
124: Träger
126: Träger
128: Gehäuse
130: Öffnung
132: Auswerte- und Steuereinheit
134: Datenerfassungseinheit
136: Bildverarbeitungseinheit
200: Röntgenstrahlungsdetektorvorrichtung
B: Bewegungsrichtung

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

EP 2588892 B1 [0010]

Claims

Verfahren zur Röntgeninspektion von Produkten eines vorgegebenen Produkttyps, insbesondere von Lebensmitteln, (a) bei dem wenigstens ein Produkttyp definiert wird, welcher Produkte umfasst, welche aus wenigstens einer ersten und einer zweiten Komponente bestehen, die unterschiedliche Absorptionskoeffizienten für die Röntgenstrahlung aufweisen, (b) bei dem ein zu untersuchendes Produkt, welches dem wenigstens einen Produkttyp zugehört, mit einer Röntgenstrahlung mit einer vorgegebenen spektralen Breite durchstrahlt wird, (c) bei dem die durch das Produkt hindurchgetretene Röntgenstrahlung mittels eines spektral auflösenden Röntgenstrahlungsdetektors detektiert wird, welcher eine vorgegebene Anzahl von Pixeln aufweist und die Röntgenstrahlung an jedem Pixel diskret spektral aufgelöst detektiert, wobei der Röntgenstrahlungsdetektor die Röntgenstrahlungsquanten zur spektralen Auflösung, abhängig von deren Energie, einer vorgegebenen Anzahl von Energiekanälen zuordnet und Bilddaten erzeugt, welche für jedes Pixel Spektralwerte für ausgewählte oder alle Energiekanäle und/oder Summen-Spektralwerte für eine oder mehrere Gruppen von benachbarten Energiekanälen beinhalten, und (d) bei dem zur Verarbeitung der Bilddaten zu einem Gesamtbild für den wenigstens einen Produkttyp wenigstens eine Abbildungsvorschrift bestimmt wird, wobei jede Abbildungsvorschrift so ausgebildet ist, dass alle oder ausgewählte Spektralwerte und Summen-Spektralwerte auf einen Gesamtbildwert eines Bildpunktes des Gesamtbildes abgebildet werden, wobei eine Abbildungsvorschrift jeweils allen Pixeln oder vorbestimmten Gruppen von ein oder mehreren Pixeln zugeordnet wird, und (e) wobei die eine oder mehreren Abbildungsvorschriften so bestimmt werden, dass in dem Gesamtbild eines Produkts des wenigstens einen Produkttyps eine oder mehrere Komponenten gegenüber einer Referenzkomponente eine Kontraststeigerung erfährt im Vergleich zu einem Grauwertbild, welches durch die einfache Addition aller oder ausgewählter Spektralwerte und aller oder ausgewählter Summen-Spektralwerte zu Gesamtbildpunkten erzeugt würde, oder (f) wobei die eine oder mehreren Abbildungsvorschriften so bestimmt werden, dass der Gesamtbildwert eines Bildpunktes einen Wert für die Gesamtdicke der wenigstens einen ersten oder zweiten Komponente, in der Durchstrahlungsrichtung gesehen, darstellt.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die wenigstens eine Abbildungsvorschrift einen Klassifikator darstellt, der die wenigstens zwei Komponenten vorgegebenen Klassen zuordnet.
Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass der Klassifikator ein künstliches neuronales Netz ist oder eine Support Vector Machine ist.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die wenigstens eine Abbildungsvorschrift so bestimmt wird, dass jedem Spektralwert oder jedem Summen-Spektralwert ein Abbildungskoeffizient zugeordnet ist, und dass das Gesamtbild des zu untersuchenden Produkts erzeugt wird, indem jeder Spektralwert und jeder Summen-Spektralwert mit dem zugeordneten Abbildungskoeffizienten multipliziert wird und diese Produkte addiert werden.
Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass die wenigstens eine Abbildungsvorschrift so bestimmt wird, dass aus den Bilddaten ein Dual-Energy-Bild oder Multiple-Energy-Bild erzeugt wird, indem die Spektralwerte von wenigstens zwei Gruppen von ausgewählten benachbarten Energiekanälen oder entsprechende Summen-Spektralwerte mit jeweils einem konstanten Gewichtsfaktor multipliziert werden und diese Produkte addiert werden.
Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass die wenigstens eine Abbildungsvorschrift so bestimmt wird, dass sich die Gruppen von benachbarten Energiekanälen spektral nicht überlappen, oder dass der Röntgenstrahlungsdetektor so betrieben oder angesteuert wird, dass das Bildsignal nur Spektralwerte für sich nicht überlappende Gruppen von Energiekanälen beinhaltet oder bereits Summen-Spektralwerte für sich nicht überlappende Gruppen von Energiekanälen beinhaltet.
Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass die wenigstens eine Abbildungsvorschrift für den wenigstens einen Produkttyp zur Verbesserung des Kontrastes mittels eines Machine-Learning-Verfahrens bestimmt wird, (a) wobei in einem Lernmodus eine Mehrzahl von Trainings-Produkten, die aus jeweils einer der Komponenten bestehen und unterschiedliche Dicken aufweisen, mittels des spektral auflösenden Röntgenstrahlungsdetektors detektiert werden, (b) wobei zur Bestimmung jeder Abbildungsvorschrift (i) die Spektralwerte oder Summen-Spektralwerte aller oder ausgewählter Pixel oder Gruppen von benachbarten Pixeln, die für die Trainingsprodukte detektiert werden, als Merkmale der Abbildungsvorschrift verwendet werden, und (ii) vorgegebene Klassenwerte als Zielwerte der Abbildungsvorschrift verwendet werden, wobei der Klassenwert für alle Trainingsprodukte, die aus derselben Komponente bestehen, identisch ist.
Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass die Abbildungsvorschrift eine Linearkombination aller oder ausgewählter Spektral- und/oder Summen-Spektralwerte darstellt, die mit Hilfe multivariater Analyseverfahren, insbesondere der Korrelationsanalyse und der Diskriminanzanalyse, bestimmt wird.
Verfahren nach Anspruch 7 oder 8, dadurch gekennzeichnet, dass anstelle von detektierten Spektralwerten oder Summen-Spektralwerten, die für ein Trainingsprodukt aus einer Komponenten mit einem bekannten Material gewonnen werden, Simulationsdaten verwendet werden, wobei die Simulationsdaten Produkte aus vorbekannten Werten für den energieabhängigen Absorptionskoeffizienten und geeignet gewählten Dicken umfassen.
Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass die wenigstens eine Abbildungsvorschrift für den wenigstens einen Produkttyp zur Bestimmung der Gesamtdicke der ersten oder der zweiten Komponente mittels eines Machine-Learning-Verfahrens bestimmt wird, (a) wobei in einem Lernmodus mindestens eine erste Abbildungsvorschrift zur Bestimmung der Gesamtdicke der ersten Komponente und mindestens eine zweite Abbildungsvorschrift zur Bestimmung der Dicke der zweiten Komponente ermittelt werden, (b) wobei im Lernmodus eine Mehrzahl von Trainings-Produkten, die aus beiden Komponenten bestehen, mittels des spektral auflösenden Röntgenstrahlungsdetektors detektiert werden, (i) wobei zur Bestimmung der mindestens einen ersten Abbildungsvorschrift Trainingsprodukte verwendet werden, die eine jeweils unterschiedliche vorbekannte Gesamtdicke der ersten Komponente und eine gleiche oder unterschiedliche Gesamtdicke der zweiten Komponente aufweisen, und (ii) wobei zur Bestimmung der mindestens einen zweiten Abbildungsvorschrift Trainingsprodukte verwendet werden, die eine jeweils unterschiedliche vorbekannte Gesamtdicke der zweiten Komponente und eine gleiche oder unterschiedliche Gesamtdicke der ersten Komponente aufweisen, oder (iii) wobei zur Bestimmung der mindestens einen ersten und zweiten Abbildungsvorschrift Trainingsprodukte verwendet werden, die eine jeweils unterschiedliche vorbekannte Gesamtdicke der ersten Komponente und eine gleiche oder unterschiedliche vorbekannte Gesamtdicke der zweiten Komponente aufweisen, (c) wobei zur Bestimmung der mindestens einen ersten und zweiten Abbildungsvorschrift (i) die Spektralwerte oder Summen-Spektralwerte aller oder ausgewählter Pixel oder Gruppen von benachbarten Pixeln, die für die Trainingsprodukte detektiert werden, als Merkmale der Abbildungsvorschrift verwendet werden, und (ii) jeweils vorbekannte Gesamtdicken als Zielwert der Abbildungsvorschrift verwendet werden.
Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass die Abbildungsvorschrift ein Regressionsproblem darstellt und bevorzugt mittels multipler Regression oder einem künstlichen, neuronalen Netz gebildete wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass mehrere Produkttypen definiert werden, wobei jeder Produkttyp Produkte umfasst, welche aus jeweils derselben ersten und wenigstens einer zweiten Komponente bestehen, die unterschiedliche Absorptionskoeffizienten für die Röntgenstrahlung aufweisen, und dass unter Verwendung derselben Bilddaten eines zu untersuchenden Produkts mehrere Gesamtbilder erzeugt werden, wobei zur Erzeugung jedes Gesamtbildes eine Abbildungsvorschrift für einen jeweils anderen Produkttyp verwendet wird.
Vorrichtung zur Röntgeninspektion von Produkten eines vorgegebenen Produkttyps, insbesondere von Lebensmitteln, (a) mit einer Strahlungserzeugungsvorrichtung mit mindestens einer Röntgenstrahlungsquelle zur Erzeugung von Röntgenstrahlung mit einer vorgegebenen spektralen Breite, (b) mit einem spektral auflösenden Röntgenstrahlungsdetektor, welcher eine vorgegebene Anzahl von Pixeln aufweist und die durch ein zu untersuchendes Produkt hindurchgetretene Röntgenstrahlung an jedem Pixel diskret spektral aufgelöst detektiert, wobei der Röntgenstrahlungsdetektor die Röntgenstrahlungsquanten zur spektralen Auflösung, abhängig von deren Energie, einer vorgegebenen Anzahl von Energiekanälen zuordnet und Bilddaten erzeugt, welche für jedes Pixel Spektralwerte für ausgewählte oder alle Energiekanäle und/oder Summen-Spektralwerte für eine oder mehrere Gruppen von benachbarten Energiekanälen beinhalten, und (c) mit einer Auswerte- und Steuereinheit, welcher die von dem Röntgenstrahlungsdetektor erzeugten Bilddaten zugeführt sind und welche zur Durchführung des Verfahrens nach einem der vorhergehenden Ansprüche ausgebildet ist.
Vorrichtung nach Anspruch 13, dadurch gekennzeichnet, dass die Auswerte- und Steuereinheit in einen Lernmodus überführbar ist, in welchem die Auswerte- und Steuereinheit ein Machine-Learning-Verfahren gemäß den Ansprüchen 5 oder 6 durchführt.
Vorrichtung nach Anspruch 13 oder 14, dadurch gekennzeichnet, dass die Auswerte- und Steuereinheit einen Speicher oder Speicherbereich aufweist, in welchem die wenigstens eine Abbildungsvorschrift für wenigstens einen Produkttyp, insbesondere eine Vielzahl von Produkttypen, gespeichert ist.